基于RFID标签阵列对棉花内异物的定位识别
电子技术应用
李彦旭，朱悦诚
江苏大学 电气信息工程学院
摘要： 采用3D空间内RFID标签阵列布局，以感知棉花中异物的数量、位置及类型。以标签的接收信号强度（RSS）和相位为特征量，提出欧几里得距离比算法与最小二乘法以提升定位成功率。基于不同异物对信号特征的差异化影响，构建决策树模型实现异物类型的感知。经实验验证，定位误差优化后控制在5%以内，且能精准识别棉花中的四种异物类型，展现出良好的感知与识别性能。
中圖分類號：TP391.45 文獻標志碼：A DOI: 10.16157/j.issn.0258-7998.256927
中文引用格式： 李彥旭，朱悅誠. 基于RFID標簽陣列對棉花內異物的定位識別[J]. 電子技術應用，2026，52(4)：139-143.
英文引用格式： Li Yanxu，Zhu Yuecheng. Positioning and identification of foreign substances in cotton based on RFID tag arrays[J]. Application of Electronic Technique，2026，52(4)：139-143.
中文引用格式： 李彥旭，朱悅誠. 基于RFID標簽陣列對棉花內異物的定位識別[J]. 電子技術應用，2026，52(4)：139-143.
英文引用格式： Li Yanxu，Zhu Yuecheng. Positioning and identification of foreign substances in cotton based on RFID tag arrays[J]. Application of Electronic Technique，2026，52(4)：139-143.
Positioning and identification of foreign substances in cotton based on RFID tag arrays
Li Yanxu，Zhu Yuecheng
College of Electrical and Information Engineering，Jiangsu University
Abstract： In this paper, an RFID tag array layout in 3D space is adopted to perceive the quantity, location and type of foreign objects in cotton. Taking the received signal strength (RSS) and phase of the tag as characteristic quantities, the Euclidean distance ratio algorithm and the least square method are proposed to improve the positioning success rate. Based on the differentiated influence of different foreign objects on signal characteristics, a decision tree model is constructed to achieve the perception of foreign object types. Experimental verification shows that the positioning error is controlled within 5% after optimization, and it can accurately identify four types of foreign substances in cotton, demonstrating excellent perception and recognition performance.
Key words : RFID tag array；positioning；decision tree model；identification
引言
糧食在收獲運輸等環節中易混入金屬、巖石等異物。這些異物不僅會影響糧食的加工和食用品質，還可能對生產設備造成損壞，引發食品安全問題。近年來，基于射頻的無線傳感方法引起了人們的極大關注，應用包括室內場景傳感和定位[1-2]、人體姿勢監測[3]和濕度傳感[4]等。LANDMARC系統[5]借助RFID技術實現建筑物內物體定位，但其采用的定制有源標簽成本高且部署難度大。文獻[6]中提及的分層分類定位系統，通過將環境劃分為多個區域來精準定位目標，此方法可減少分類器訓練與預測時的類別數量，從而降低計算復雜度。然而，該系統由于對分類器設計以及訓練樣本數量的依賴性較強，其穩定性存在一定的風險，這在一定程度上限制了其實際應用的可靠性與廣泛性。部分研究者以粗粒度接收信號強度（Received Signal Strength, RSS）作為感知目標的關鍵指標[7]，然而，該方法的準確性易受到多徑效應的顯著干擾，從而導致定位精度的下降。與上述工作不同，本文使用RSS和相位作為特征量來感應異物，能夠充分利用信號的幅度和相位變化信息，從而提高異物感應的靈敏度和準確性，增強對不同材質和形狀異物的識別能力。
本文詳細內容請下載：
http://www.tom3567.com/resource/share/2000007052
作者信息：
李彥旭，朱悅誠
（江蘇大學 電氣信息工程學院，江蘇 鎮江212013）
此內容為AET網站原創，未經授權禁止轉載。